搜索资源列表
人脸库
- 非常好的人脸数据库，可用于数据集的训练和测试
FaceDetection_Based_on_a_New_Nonlinear_Color_Space
- 提出一种新的非线性变换的彩色空间 ″″, 利用次高斯概率分布函数拟合皮肤色度信息, 得到候选区 YC C r b 域。为了排除候选区域中的非人脸, 首先根据均值和方差信息分割出候选区域中的纹理特征信息, 再通过多尺度 ) ( 信息定位眼睛, 然后根据人脸特征的几 形态边缘检测算子检测候选区域的边缘, 利用 边缘方向 PCA PCAED ( ) 何形状信息定位其他特征 鼻、嘴 , 通过这些几何特征信息对肤色分割得到的候选区域进行验证, 最终得到正确 的人
2D-LDA
- LDA是一种线性降维方法，对原有的高维人脸数据集降维，然后识别，具有很好的聚类和识别效果。有详细的说明-LDA is a linear dimensionality reduction method, the original high-dimensional face data set dimensionality reduction, and then identify clustering and identification. Described in detail
FastPCA_Feature_extraction-on-ORL
- 通过FastPCA在ORL人脸数据集上提取主成分脸并可视化，ReadFaces函数读取每个人的前五张图片作为实验数据集。-Extracting principal component faces on ORL_faces datasets by FastPCA and visualing them are done.ReadFaces function reads the five pictures of everyone as the experimental data set.
Image
- 图像的特征提取，典型案例是基于PCA技术的人脸数据集得降维处理-Image feature extraction, a typical case is based on PCA face data set to reduce the dimension of
ORL
- ORL人脸数据集，用于进行人脸识别，有40类人，每类人姿态，表情不同共10张-ORL face data set and used for face recognition, there are 40 kinds of people, each type of gesture, facial expression, a total of 10 different copies
YaleB-LFDA
- 基于local fisher discriminative analyse的人脸识别算法，针对YaleB人脸数据集给出了示例-Face recognition based on local fisher discriminative analyse
fddb-evaluation-code
- FDDB人脸数据集评估C++代码，从官网上下载的，拿来就能用，用于评估人脸检测算法检测率及误检率。-FDDB face data set to assess the C++ code, downloaded the official website, used to be able to use, for the assessment of human face detection algorithm detection rate and false detection rate.
faceRecognition
- 基于SVM和PCA的人脸识别，使用了ORL人脸数据集和libsvm.jar-Face recognition based on SVM and PCA. ORL faces dataset and libsvm.jar are used
LBP-DBN-face-recognition-master
- 人脸识别，提出LBP和DBN方法的人脸识别算法，数据集是ORL人脸数据集。-Face recognition, face recognition algorithm LBP and DBN proposed method, the data set is ORL face dataset.
deeplearning_facerecognition
- 人脸识别，使用深度学习中的DBN算法进行人脸识别算法，数据集是ORL人脸数据集。-FACE Recognition, using the depth learning DBN algorithm recognition algorithm, the data set is a ORL face dataset.
local-best-fit-flats-clustering
- 可实现局部最优近似平面数据聚类，该聚类方法是一种常用的子空间聚类方法，文章作者没有给出相应的源码，这里提供给大家。经过测试可以实现数据聚类，但是对人脸数据集extended yale B效果不理想。参考文献：Teng Zhang, Arthur Szlam, Yi Wang, et al. Hybrid linear modeling via local best-fit flats [J]. International Journal of Computer Vision, 2012, 100
Robust_Face_Landmark
- 在现实世界条件下获取人脸存在较大的变化在形状和遮挡由于不同在姿态、表情、附属品的使用，例如，太阳镜和帽子以及与目标体（e.g. 食物）的交。当前的人脸界标估计方法在这种条件下努力但由于缺乏一种有效的理论方法用于处理局外点。我们提供了一个新奇的方法，称为Robust Cascaded Pose Regression (RCPR)，通过检测显式的遮挡且使用鲁棒的形状索引的特征可以减少exposure对于局外点。我们证明RCPR改进先前的界标估计方法在3个通用的人脸数据集上(LFPW, LFW and
滤波人脸识别
- 利用orl图像数据集，进行图像滤波，人脸检测。
]ORL+PCA+SVM-11
- 编写了用户界面程序实现ocr人脸数据集的识别，使用了svm分类器(A user interface program is developed to realize the recognition of OCR face data set, and the SVM classifier is used)
frey_rawface
- 人脸数据集。mat文件。2000张人脸数据，560*1965的二维数据(Face data set. Mat file. 2000 face data, two dimensional data of 560*1965)
chameleon-data.tar
- 人脸聚类常用数据集含有10*40张图片，pmg格式(The common dataset of face clustering contains 10*40 picture, PMG format)
PCA+SVM
- 采用经典的ORL人脸数据集，利用PCA进行进行降维，然后用SVM进行数据集的分类和训练。上传文件内包含libSVM3.2安装包(The classical ORL face dataset is used for dimension reduction by PCA, and then SVM is used to classify and train the dataset.)
表情识别数据集
- 整个数据库一共有213张图像，10个人，全部都是女性，每个人做出7种表情，这7种表情分别是： sad, happy, angry, disgust,surprise, fear, neutral. 每个人为一组，每一组都含有7种表情，每种表情大概有3,4张样图。这样每组大概20张样图，目前在这个数据库上的识别率已经很高了，不管是person independent 或者是person dependent。识别率都很高。这个数据库可以用来熟悉人脸表情识别的一些基础知识，包括特征提取，分类等。
cnn人脸识别
- 使用CNN实现人脸识别，包括训练数据集与测试数据集(Face recognition using CNN, including training data set and test data set)